AI in der Mathematik: Terence Taos Schlussfolgerungen

Terence Tao über alltägliche KI in der Mathematik: Hypothesengenerierung und Verifikation

Terence Tao, ein Fields-Medaillengewinner, nutzt KI täglich in der mathematischen Forschung. Die Kosten für die Generierung von Ideen sind auf null gesunken, aber die Verifikation bleibt ein Engpass. Modelle lösen einfache Probleme von der Erdős-Liste mit einer Wahrscheinlichkeit von 1–2 %, wobei menschliche Überwachung für komplexe Fragen erforderlich ist.

Ideengenerierung im Zeitalter von Kepler

KI generiert tausende Hypothesen mit hoher Temperatur, ähnlich wie Kepler, der Theorien über das Sonnensystem durchforstete. Die meisten sind Rauschen, aber in Datensätzen mit zuverlässiger Verifikation (wie Tycho Brahes Beobachtungen) tauchen nützliche Signale auf. Tao betont: Ohne Daten bleiben Ideen in der Kategorie Müll. Keplers Buch "Harmonices Mundi" enthielt das dritte Gesetz der Planetenbewegung zwischen Spekulationen über himmlische Noten – ein klassisches Beispiel für Signal im Rauschen.

In der Entwicklung zeigt sich dies in der Codegenerierung: LLMs produzieren Varianten schneller als sie überprüft werden können. Automatisierte Tests prüfen die Syntax, aber semantische Korrektheit und Aufgabenausrichtung erfordern menschliche Analyse.

Wer ist Terence Tao und warum seine Einsichten wichtig sind

Tao arbeitet in Zahlentheorie, Kombinatorik, harmonischer Analysis, Differentialgleichungen und Zufallsmatrizen. Erste Veröffentlichung mit 15 Jahren, Fields-Medaille mit 31. Als Praktiker ohne kommerzielle Interessen bewertet er KI anhand realer Ergebnisse. In einem Interview mit Dwarkesh Patel (20. März 2026) analysiert Tao KI durch die Linse der historischen wissenschaftlichen Methode.

• Schlüsselbereiche von Taos Expertise: Zahlentheorie, Kombinatorik, harmonische Analysis.
• Vorteil seiner Meinung: keine finanzielle Motivation, Fokus auf Praxis.
• Vergleich mit KI-Führungskräften: Amodei und Altman fördern Produkte, Tao fördert Reputation.

Der Zusammenbruch der Ideengenerierungskosten

KI hat die Ideengenerierung so billig gemacht wie das Internet die Kommunikation. Früher konzentrierte sich die Wissenschaft auf Einsichten (Archimedes, Newton). Jetzt überwältigen tausende Hypothesen pro Minute die Peer-Review. Zeitschriften ertrinken in KI-Einreichungen; das alte System kommt nicht mehr mit.

Für Entwickler: KI beschleunigt das Programmieren, aber der Rückstau an Pull-Requests wächst. CI/CD fängt grundlegende Fehler ab, garantiert aber nicht, das richtige Problem zu lösen. Tao hebt die Rolle von Verifizierern wie Tycho Brahe hervor: 20 Jahre präziser Daten machten Keplers Gesetze möglich.

Ergebnisse zu Erdős-Problemen: Statistik ohne Illusionen

KI hat etwa 50 der 1100 Erdős-Probleme gelöst, einige davon jahrzehntelang offen. Nach einem Anstieg – ein Plateau: Modelle finden kleinere Beobachtungen oder bekannte Lösungen, aber keine neuen Durchbrüche.

• Erfolgswahrscheinlichkeit pro Problem: 1–2 %.
• Skalierung kompensiert niedrige Genauigkeit.
• Selektionsverzerrung: Twitter zeigt Siege, ignoriert 98 % Misserfolge.

Taos Metapher: KI ist ein Roboter, der 2 Meter höher springt als ein Mensch. Erobert niedrige Gipfel, aber erklimmt keine Bergrücken. Mit Modell-Upgrades – ein neuer Anstieg, dann Plateau.

Taos Praxis: Beschleunigung von Hilfsaufgaben

Eine Vorhersage von 2023 ist eingetroffen: KI ist ein zuverlässiger Co-Autor. Taos Arbeiten sind reichhaltiger geworden: mehr Code, Grafiken, Experimente. Literaturrecherchen sind tiefer, LaTeX-Formatierung schneller (Agent passt Klammern an). Ohne KI – 5-mal langsamer.

Aber der Kern – komplexe Probleme lösen – bleibt auf Papier. Arbeiten sind breiter und reichhaltiger, aber nicht tiefer.

In der Entwicklung ähnlich:

• Beschleunigung: Boilerplate, Refactoring, Tests, Dokumentation.
• Unverändert: Architektur, Domänenzerlegung, Ansatzauswahl.

Cleverness vs Intelligenz

Tao unterscheidet künstliche Cleverness (Zielsprung) von künstlicher Intelligenz (iterativer Fortschritt). Modelle sind clever: lösen jahrzehntealte Probleme auf einen Schlag. Aber ohne Sitzungsspeicher, kumulatives Lernen. Jede Iteration beginnt von vorne.

In der Mathematik sind Lösungen Monate von Schritten, die aufeinander aufbauen. KI konstruiert keine Ketten. Analogie im Ingenieurwesen: Programmieren vs Systeme mit Einschränkungen entwerfen.

Ein kopernikanischer Wandel im Verständnis von Intelligenz

Menschliche Intelligenz ist nicht das Zentrum. KI zeigt andere Arten der Kognition: stark in Sprüngen, schwach in Ketten. Neubewertung von Aufgaben: Zahlen multiplizieren ist schwer für Menschen, einfach für Maschinen; Theoreme beweisen – das Gegenteil.

Die Bedrohung für Serendipität

Tao bemerkte den Verlust von Zufälligkeit: Suchmaschinen geben präzise Ergebnisse, ohne benachbarte Funde in einer Bibliothek. Zoom entfernte ungeplante Gespräche. KI optimiert durch Filtern von Rauschen – aber Serendipität entsteht daraus. Tao führte absichtlich Chaos für Inspiration ein.

Was wichtig ist:

• KI generiert Hypothesen billig, aber Verifikation ist der Engpass.
• Erfolg bei Erdős-Problemen: 1–2 % Wahrscheinlichkeit, Skalierung zählt.
• 5-fache Beschleunigung bei Hilfsaufgaben, 0 bei Kernaufgaben.
• Modelle sind clever, nicht intelligent: kein kumulativer Fortschritt.
• Risiko, Serendipität in einer optimierten Welt zu verlieren.

— Editorial Team